薛育敏
(蘇州高新有軌電車集團有限公司運營分公司 蘇州 215129)
隨著蘇州軌道交通5號線即將開通,蘇州市已形成了5條地鐵、2條有軌電車、城際鐵路的區(qū)域軌道交通網(wǎng)絡。未來更多線路的通車使得路網(wǎng)更復雜,客流分析難度更大。既有區(qū)域軌道交通客流研究與應用中,在客流系統(tǒng)方面,主要為路網(wǎng)客流動態(tài)估計[1]、客流監(jiān)測[2]、客流預警[3];在框架設計方面,主要針對短時客流或客流需求分析的體系框架設計[4,5],客流預測方法及模型方面,研究眾多且較為成熟[6-10]。然而,對于單個城市范圍軌道交通客流分析預測系統(tǒng),整合客流模型及系統(tǒng),從客流數(shù)據(jù)處理到數(shù)據(jù)展示全流程的系統(tǒng)框架設計仍然較少。因此,如何在城市區(qū)域軌道交通路網(wǎng)中,進行多源客流數(shù)據(jù)特征分析、客流的實時推演及中長期預測、突發(fā)場景下客流分析等,是軌道交通部門未來可能需解決的問題之一。
1.1.1 整合不同數(shù)據(jù)源 蘇州市軌道交通中,地鐵數(shù)據(jù)主要來源于“蘇e行”,有軌電車數(shù)據(jù)來源于“蘇e行”、OVM、TVM系統(tǒng),鐵路數(shù)據(jù)來源于12306。不同來源的數(shù)據(jù)其數(shù)據(jù)標準存在差異,必須將其重新整合,形成系統(tǒng)中可用、有效的數(shù)據(jù)集。
1.1.2 實時推演 對于蘇州市軌道交通內(nèi)當前及未來1至2小時內(nèi)的斷面流量、出發(fā)到達量、區(qū)段客流等指標,能夠實時動態(tài)預估。
1.1.3 分析預測 對市區(qū)內(nèi)乘客群體行為進行分析,以及多種交通方式下的客流規(guī)模及組分結構、換乘與集散規(guī)律。
1.2.1 低耦合性 按照服務劃分方式,將子系統(tǒng)按照模塊進行構建,模塊之間的耦合度盡量降低,使模塊內(nèi)模型及方法的調(diào)整不影響整體的功能。
1.2.2 開放性 開放性包括兩個方面,一是外部數(shù)據(jù)接入的開放性,二是客流數(shù)據(jù)輸出的開放性,對接其他外來系統(tǒng),將客流歷史及當前數(shù)據(jù)特征分析及未來數(shù)據(jù)的實時推演定制化為外界系統(tǒng)提供接口。
1.2.3 智能化 系統(tǒng)中引入大數(shù)據(jù)智能分析技術,將乘客出行鏈及歷史數(shù)據(jù)做智能化分析,完成數(shù)據(jù)的智能整合、突發(fā)場景智能判斷、智能展示等功能。
考慮到蘇州市軌道交通發(fā)展需要與統(tǒng)籌管理的要求,借鑒其他城市及城市群區(qū)域軌道交通。
乘客出行特征分析子系統(tǒng)是基于軌道交通客流數(shù)據(jù)、乘客狀態(tài)感知數(shù)據(jù)等多源數(shù)據(jù),利用大數(shù)據(jù)融合與挖掘技術,考慮蘇州市內(nèi)不同軌道交通方式在運營組織等方面存在的差異性,提取大市內(nèi)乘客群體行為特征,研究地鐵、有軌電車、城際鐵路等多方式軌道交通的客流規(guī)模與組分結構、客流換乘與集散規(guī)律,構建軌道交通復合網(wǎng)絡。
依托蘇州大市各區(qū)人口居住、交通路況等情況,調(diào)研乘客選擇軌道交通出行方式。同時,從多方面分析乘客出行鏈模式,考慮到乘客個體間的行為共性與差異、選擇偏好等乘客個體出行特征,挖掘影響因素、研究出行鏈構建技術,構建基于大數(shù)據(jù)的蘇州市內(nèi)軌道交通乘客出行決策模型。
基于平均旅速、發(fā)車間隔、服務水準等數(shù)據(jù),圍繞地鐵、有軌電車、城際鐵路等不同的方式,研究影響客流出行數(shù)據(jù)的主要因素。
面向蘇州市內(nèi)交通協(xié)同運輸組織,針對大型文藝、運動活動、突發(fā)事件、惡劣天氣、節(jié)假日等場景,研究客流總量、集散、流向等的分布規(guī)律,結合乘客個體及群體出行特征分析,針對不同場景構建多方式交通進出站量、客流分布、換乘量等客流預測模型,從各因素與客流需求的映射關系中形成軌道交通客流需求的靈敏度分析子系統(tǒng)。
基于突發(fā)事件的特征、位置、時長等,結合列車運行計劃和多方式軌道交通網(wǎng)絡拓撲結構,研究突發(fā)事件對軌道交通乘客出行過程的影響和在軌道交通網(wǎng)絡上的時空影響范圍,構建突發(fā)事件受影響客流的識別方法。
收集突發(fā)事件下軌道交通網(wǎng)絡客流特征及乘客出行選擇偏好數(shù)據(jù),考慮突發(fā)事件下軌道交通運營服務水平等方面的變化對乘客出行決策的影響,同時,分析在擬定的應急預案下乘客的出行行為,估算客流分布、換乘量等客流指標,構建突發(fā)事件受影響客流預測模型,實現(xiàn)客流預測。
考慮軌道交通網(wǎng)絡拓撲結構、各方式軌道交通換乘、乘客出行需求、運行組織等要素及相關關系,面向軌道交通網(wǎng)絡客流狀態(tài)監(jiān)測、協(xié)同運營及信息服務等客流分析需求,利用大數(shù)據(jù)及出行鏈分析技術,研究多方式區(qū)域軌道交通網(wǎng)絡中乘客出行路徑選擇模型,同時,結合精細化個體出行軌跡推演和系統(tǒng)狀態(tài)轉移推演雙重推演機制,實現(xiàn)多方式軌道交通網(wǎng)絡客流狀態(tài)實時推演。
針對軌道交通網(wǎng)絡中乘客換乘方式、客流實時狀態(tài)、出行軌跡等難點問題,研究基于移動互聯(lián)的網(wǎng)絡及樞紐內(nèi)的乘客狀態(tài)感知數(shù)據(jù)獲取技術,探索服務于區(qū)域軌道交通多源數(shù)據(jù)融合、海量數(shù)據(jù)分析的大數(shù)據(jù)處理技術。
集成基于大數(shù)據(jù)及出行鏈的乘客出行特征分析子系統(tǒng)、多場景需求預測及靈敏度分析子系統(tǒng)、突發(fā)事件下影響多方式軌道交通客流的分析系統(tǒng)、多方式軌道交通客流狀態(tài)實時推演系統(tǒng),研制蘇州市內(nèi)軌道交通客流分析與預測原型系統(tǒng),實現(xiàn)蘇州軌道交通客流分析與預測功能。
綜上,上述設計的總體框架結構較為清晰地展示了蘇州市不同軌道交通方式下客流分析子系統(tǒng)。通過各子系統(tǒng),將原始數(shù)據(jù)轉換為多場景、多指標下的客流分析結果,其數(shù)據(jù)架構如圖1所示。
圖1 數(shù)據(jù)架構圖
本文所構建的軌道交通客流分析預測系統(tǒng)框架,是將蘇州市范圍鐵路、地鐵、有軌電車作為一個整體,結合不同來源的數(shù)據(jù),并吸收其他城市相關系統(tǒng)而設計的體系框架。該框架的確實現(xiàn)了蘇州市多場景客流需求預測及分析,多方式軌道交通網(wǎng)絡客流狀態(tài)的實時推演,突發(fā)事件下客流影響分析,使蘇州市區(qū)域軌道交通客流能夠全景展示并預測,為城市交通管理及控制提供了更好的輔助決策。